C++ 解析HTTP'；s摘要身份验证？

我有一个程序来解析HTTP摘要的组件，如下所示：

#include "stdafx.h"
#include <iostream>
#include <string>
#include <regex>
#include <unordered_map>

int main()
{
    std::string nsInput = R"(Digest realm = "http-auth@example.org",
        qop= " auth, auth-int ", algorithm = MD5 ,
        nonce ="7ypf/xlj9XXwfDPEoM4URrv/xwf94BcCAzFZH4GiTo0v"    ,
        opaque="FQhe/qaU925kfnzjCev0ciny7QMkPqMAFRtzCUYo5tdS"
    )";
    //  Spaces are inserted into some places of the input intentionally

    std::smatch mat_opt, mat_val;
    std::unordered_map<std::string, std::string> mapDigest;

    try {
        std::regex rex_opt(R"(\s*([A-Za-z]{3,})\s*=)");
        std::regex rex_val(R"(\s*\"\s*(.{3,})\s*\"|\s*(.{3,})\s*,)");

        auto& str = nsInput;
        while (std::regex_search(nsInput, mat_opt, rex_opt))
        {
            if (mat_opt.size() >= 2) {
                auto& field = mat_opt[1].str();
                std::string& next = mat_opt.suffix().str();

                if (std::regex_search(next, mat_val, rex_val) && mat_val.size() >= 2) {
                    auto& value = mat_val[1].str();
                    mapDigest[field] = value;
                }

                str = mat_opt.suffix().str();
            }
        }

        for (auto& itr : mapDigest) {
            std::cout << itr.first << ":" << itr.second << ".\n";
        }
    }
    catch (std::regex_error& e) {
        std::cout << "regex_search failed" << e.what() << "\n";
    }

    return 0;
}

我想解决的是：

1） 空格仍然出现在“qop”值的末尾

2） “算法”的值无法匹配

也许有人会发现这个模糊的原因，以及如何解决它

---

首先，您的代码无法编译，因为您试图将非常量左值引用绑定到以下行中的临时对象：

// ...
auto& field = mat_opt[1].str();
// ...
std::string& next = mat_opt.suffix().str();
// ...
auto& value = mat_val[1].str();
// ...

我建议删除引用，改用

auto

或

std:：string

。由于具有良好的性能，它几乎没有性能损失

要删除值末尾的空格，可以在正则表达式模式中使用

{3，}？

而不是

{3，}

{3，}

不带

？

将贪婪地匹配，因此将匹配后面的所有字符（包括空格）

字符串

MD5

与regex模式中的第二个括号匹配，因此您应该通过

mat_val[2]

而不是

mat_val[1]

访问它。可以按如下方式使用条件表达式：

auto value = mat_val[1].matched ? mat_val[1].str() : mat_val[2].str();

---

顺便说一句，由于您使用的是原始字符串文字，您不需要在正则表达式模式中的字符

“

之前额外编写

\

。

首先，您的代码无法编译，因为您正试图将非常量左值引用绑定到以下行中的临时对象：

// ...
auto& field = mat_opt[1].str();
// ...
std::string& next = mat_opt.suffix().str();
// ...
auto& value = mat_val[1].str();
// ...

我建议删除引用，改用

auto

或

std:：string

。因为，它几乎没有性能损失

要删除值末尾的空格，您可以在正则表达式模式中使用

{3，}？

而不是

{3，}

。

{3，}

不使用

？

将进行贪婪匹配，从而匹配后面的所有字符（包括空格）

字符串

MD5

与正则表达式模式中的第二个括号匹配，因此您应该通过

mat_val[2]

而不是

mat_val[1]

来访问它。您可以使用条件表达式，如下所示：

auto value = mat_val[1].matched ? mat_val[1].str() : mat_val[2].str();

---

顺便说一句，因为您使用的是原始字符串文字，所以您不需要在正则表达式模式中的字符

“

之前额外编写

\

正如其他人所说，正则表达式可能不是解析HTTP摘要的首选武器

然而，我发现这种模式具有挑战性。比必要的更难的是，引号中有分隔符，应该忽略（在qop部分）。您的其他问题源于贪婪匹配（例如{3，}-部分）

无论如何，这是我15分钟后得到的：

=\s*((?:[^,"]|"\s*([^"]*?)\s?")+?)(?=\s*,|$)

更新：我多跑了一英里，只是为了证明我的观点

#include <iostream>
#include <string>
#include <regex>
#include <unordered_map>

int main()
{
    std::string nsInput = R"(Digest realm = "http-auth@example.org",
        qop= " auth, auth-int ", algorithm = MD5 ,
        nonce ="7ypf/xlj9XXwfDPEoM4URrv/xwf94BcCAzFZH4GiTo0v"    ,
        opaque="FQhe/qaU925kfnzjCev0ciny7QMkPqMAFRtzCUYo5tdS"
    )";
    //  Spaces are inserted into some places of the input intentionally

    std::smatch mat_opt, mat_val;
    std::unordered_map<std::string, std::string> mapDigest;

    try {
        std::regex rex_opt(R"(\s*([A-Za-z]{3,})\s*=)");
        std::regex rex_val("=\\s*((?:[^,\"]|\"\\s*([^\"]*?)\\s?\")+?)(?=\\s*,|$)");

        auto& str = nsInput;
        while (std::regex_search(nsInput, mat_opt, rex_opt))
        {
            if (mat_opt.size() >= 2) {
                auto field = mat_opt[1].str();

                if (std::regex_search(nsInput, mat_val, rex_val)) {
                    auto value = mat_val[2].matched ? mat_val[2].str() : mat_val[1].str();
                    mapDigest[field] = value;
                }

                str = mat_opt.suffix().str();
            }
        }

        for (auto& itr : mapDigest) {
            std::cout << itr.first << ":" << itr.second << ".\n";
        }
    }
    catch (std::regex_error& e) {
        std::cout << "regex_search failed" << e.what() << "\n";
    }

    return 0;
}

---

正如其他人所说，正则表达式可能不是解析HTTP摘要的首选武器

然而，我发现这种模式具有挑战性。比必要的更难的是，引号中有分隔符，应该忽略（在qop部分）。您的其他问题源于贪婪匹配（例如{3，}-部分）

无论如何，这是我15分钟后得到的：

=\s*((?:[^,"]|"\s*([^"]*?)\s?")+?)(?=\s*,|$)

更新：我多跑了一英里，只是为了证明我的观点

#include <iostream>
#include <string>
#include <regex>
#include <unordered_map>

int main()
{
    std::string nsInput = R"(Digest realm = "http-auth@example.org",
        qop= " auth, auth-int ", algorithm = MD5 ,
        nonce ="7ypf/xlj9XXwfDPEoM4URrv/xwf94BcCAzFZH4GiTo0v"    ,
        opaque="FQhe/qaU925kfnzjCev0ciny7QMkPqMAFRtzCUYo5tdS"
    )";
    //  Spaces are inserted into some places of the input intentionally

    std::smatch mat_opt, mat_val;
    std::unordered_map<std::string, std::string> mapDigest;

    try {
        std::regex rex_opt(R"(\s*([A-Za-z]{3,})\s*=)");
        std::regex rex_val("=\\s*((?:[^,\"]|\"\\s*([^\"]*?)\\s?\")+?)(?=\\s*,|$)");

        auto& str = nsInput;
        while (std::regex_search(nsInput, mat_opt, rex_opt))
        {
            if (mat_opt.size() >= 2) {
                auto field = mat_opt[1].str();

                if (std::regex_search(nsInput, mat_val, rex_val)) {
                    auto value = mat_val[2].matched ? mat_val[2].str() : mat_val[1].str();
                    mapDigest[field] = value;
                }

                str = mat_opt.suffix().str();
            }
        }

        for (auto& itr : mapDigest) {
            std::cout << itr.first << ":" << itr.second << ".\n";
        }
    }
    catch (std::regex_error& e) {
        std::cout << "regex_search failed" << e.what() << "\n";
    }

    return 0;
}

---

---

为什么要坚持使用正则表达式？

algorithm=MD5

不是

algorithm=“MD5”

，而是模式匹配

\“

正则表达式不是解析HTTP的方式。@Jonathon，Sam我曾经尝试过sscanf、stringstream和spirit，但发现正则表达式可能更容易完成这项工作。如果您知道哪种方法比正则表达式更简单、更优雅，请告诉我。@Brett如果您再次查看该模式，可以看到由“|”运算符分隔的替换，以查找不带引号的值。根据RFC-7616，算法字段没有被引号包围。为什么您坚持使用正则表达式？

algorithm=MD5

不是

algorithm=“MD5”

，而是模式匹配

\“

正则表达式不是解析HTTP的方式。@Jonathon，Sam我曾经尝试过sscanf、stringstream和spirit，但发现正则表达式可能更容易完成这项工作。如果您知道哪种方法比正则表达式更简单、更优雅，请告诉我。@Brett如果您再次查看该模式，可以看到由“|”运算符分隔的替换，以查找不带引号的值。根据RFC-7616，算法字段没有引号。我忘记了：您要查找的值总是在匹配的最后一组中。所以，通常是第三组，只有MD5才是第二组。谢谢你的回答，不幸的是你的模式不起作用。它起作用了。你点击演示链接了吗？是的，演示看起来很有效，但是只有值匹配，它没有考虑字段的名称。我将你的模式复制到我的源代码中，MSVC给出了错误的输出。是的，它可以工作。我意识到，为了适应您的模式，您已经更改了代码中的一些点，否则输出将不正确。谢谢你的努力。我忘了：你寻找的价值总是在比赛的最后一组。所以，通常是第三组，只有MD5才是第二组。谢谢你的回答，不幸的是你的模式不起作用。它起作用了。你点击演示链接了吗？是的，演示看起来很有效，但是只有值匹配，它没有考虑字段的名称。我将你的模式复制到我的源代码中，MSVC给出了错误的输出。是的，它可以工作。我意识到，为了适应您的模式，您已经更改了代码中的一些点，否则输出将不正确。谢谢你的努力。谢谢你的建议。现在它就像一个符咒。有一件事是，我发布的代码在VS2017之前编译得很好，无论如何，最好删除引用。谢谢你的提示。现在它就像一个符咒。有一件事是，我发布的代码在VS2017之前编译得很好，无论如何，最好删除引用。